七个值得记住的模型

一句话：第一次证明机器人能听懂「人话」——没教过的指令也能执行。

第一次证明：把视觉语言模型直接接上动作输出，机器人能听懂「把恐龙玩具拿过来」这种没训过的指令——互联网知识直接迁移到机器人。确定了 VLA 这个范式，后续所有模型都在它的骨架上改。

口径：公开论文 / 官方博客 / 开源仓库。参数与频率均来自各团队的公开论文 / 官方博客 / 开源仓库，口径见每条备注；模型迭代很快，以官方最新发布为准。

一句话：RT-2 的开源复刻，单卡就能微调，学生入门 VLA 从它开始。

用 Open X-Embodiment 跨机体数据集训练的开源 VLA，性能对标闭源 RT-2-X。对学生最大的意义：单卡可微调，是入门 VLA 训练的标准起点。

口径：公开论文 / 官方博客 / 开源仓库。参数与频率均来自各团队的公开论文 / 官方博客 / 开源仓库，口径见每条备注；模型迭代很快，以官方最新发布为准。

一句话：解决「动作又快又顺」的问题——连续动作不再拆成一个个 token。

核心创新在动作头：用 flow matching 生成连续动作流，不再把动作离散成 token。高频连续控制 + 折叠衣物这类长时程灵巧任务，是它的代表能力。开源版 openpi 让国内团队可以直接复现。

口径：公开论文 / 官方博客 / 开源仓库。参数与频率均来自各团队的公开论文 / 官方博客 / 开源仓库，口径见每条备注；模型迭代很快，以官方最新发布为准。

一句话：大小脑分开装进机器人本体，小脑 200Hz、大脑 7-9Hz。

把「大脑 S2 + 小脑 S1」做成产品并跑在本体 GPU 上的代表。小脑只管上身 200Hz 连续控制，大脑管理解与意图——两层接口设计（单向量意图传递）是它最有含金量的工程决策。

口径：公开论文 / 官方博客 / 开源仓库。参数与频率均来自各团队的公开论文 / 官方博客 / 开源仓库，口径见每条备注；模型迭代很快，以官方最新发布为准。

一句话：英伟达卖的不是模型，是「模型 + 仿真数据流水线」整套开发栈。

不只是模型：配套 Isaac 仿真合成数据管线（GR00T-Blueprint），试图解决「真机数据太贵」这个 VLA 的根本瓶颈。平台化打法——它卖的是整个开发栈。

口径：公开论文 / 官方博客 / 开源仓库。参数与频率均来自各团队的公开论文 / 官方博客 / 开源仓库，口径见每条备注；模型迭代很快，以官方最新发布为准。

一句话：基座大厂的路线——不造机器人，把模型授权给造机器人的。

多模态基座模型的机器人延伸：Gemini Robotics-ER 负责「具身推理」，动作层负责执行。基座厂的通用路线——不造本体，把模型授权给整机厂。

口径：官方发布信息，部分参数未披露。参数与频率均来自各团队的公开论文 / 官方博客 / 开源仓库，口径见每条备注；模型迭代很快，以官方最新发布为准。

一句话：国产代表，配套开源了目前最大的中文真机数据集。

国内代表性 VLA：ViLLA 架构在开源 VLM 上加动作专家，配套开源百万级真机数据集 AgiBot World。数据集的开源价值可能大于模型本身。

口径：公开论文 / 官方博客 / 开源仓库。参数与频率均来自各团队的公开论文 / 官方博客 / 开源仓库，口径见每条备注；模型迭代很快，以官方最新发布为准。